Scrapy ile siteler arasında nasıl yineliyorum? NUMBER 1 ile 400 arasında olan http://www.saylor.org/site/syllabus.php?cid=NUMBER
ile eşleşen tüm sitelerin gövdesini çıkarmak istiyorum.Python Scrapy ile siteler arasında yineleme
bu örümcek yazdık:
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.selector import HtmlXPathSelector
from syllabi.items import SyllabiItem
class SyllabiSpider(CrawlSpider):
name = 'saylor'
allowed_domains = ['saylor.org']
start_urls = ['http://www.saylor.org/site/syllabus.php?cid=']
rules = [Rule(SgmlLinkExtractor(allow=['\d+']), 'parse_syllabi')]
def parse_syllabi(self, response):
x = HtmlXPathSelector(response)
syllabi = SyllabiItem()
syllabi['url'] = response.url
syllabi['body'] = x.select("/html/body/text()").extract()
return syllabi
Ama çalışmıyor. Anladığım kadarıyla bu start_url'deki linkleri arıyor. Siteler boyunca yinelemek istiyorum. Mantıklı olmak?
Yardımlarınız için teşekkürler.
bunu önceden istenen URL'lerin listesini oluşturmak mümkün mü? ex. xls aralığında (1, 401)] 'urls = [" example.com?cid={}".format(x) Yasal Uyarı: Hiç Scrapy kullanmamıştım. – Kevin